Статистический анализ определения коэффициентов пористости пород-коллекторов нефти и газа методами газоволюметрии и рентгеновской томографии

Обложка

Цитировать

Полный текст

Аннотация

Для решения актуальных задач в нефтяной отрасли, связанных с моделированием структуры порового пространства в 3D-модели керна и оценкой фильтрационно-емкостных свойств («Цифровой керн»), необходимо получение представительной характеристики пустотного пространства. Аналогичная характеристика требуется для решения задач геомеханики, связанных с моделированием и оценкой прочностных свойств неоднородных горных пород. Кроме того, она важна для исследований капиллярных процессов в пористых средах. Статья посвящена сравнительному анализу значений пористости пород-коллекторов нефти и газа, полученных методами газоволюметрии и рентгеновской компьютерной томографии. Целью работы является разработка статистических моделей для оценки расхождения определения коэффициента пористости Kп по данным компьютерной томографии (КТ) с более достоверными данными лабораторной петрофизики для двух литологических типов пород – терригенных и карбонатных. Задачи исследования включают: оценку влияния литологического состава пород на оценку Kп разными методами (петрофизика и КТ); рассмотрение и оценку влияния диапазона варьирования пористости пород коллекторов на сходимость результатов этих двух методов для разных литологических типов пород; построение статистических моделей для корректировки значений Kп по результатам КТ для разных литологических типов пород. Решение данных задач основывается на проведении детального статистического анализа исследований терригенных и карбонатных пород нефтяных месторождений Пермского края. Измерение пористости проводилось на автоматизированном порозиметре-пермеаметре AP-608 и системе рентгеновской томографии Nikon XT H 225. Описаны методики измерения объемов пор образцов газоволюметрическим методом, бинаризации изображений и расчета пористости по методу рентгеновской томографии. Результаты анализа показали, что изучаемые методы дают различающиеся значения коэффициентов пористости в зависимости от литологического состава пород. Для карбонатных пород характерно большее соответствие оценки коэффициента пористости, полученных различными методами, что обусловлено структурными особенностями порового пространства. В терригенных породах установлены значительные различия, объясняемые ограниченной разрешающей способностью рентгеновской томографии. По итогам анализа получены статистические модели для оценки и корректировки данных Kп, полученных методом рентгеновской томографии для терригенных и карбонатных пород в различных диапазонах значений Kп. Результаты исследования могут быть использованы при петрофизическом обосновании фильтрационно-емкостных свойств пород-коллекторов месторождений нефти и газа.

Об авторах

В. И. Галкин

Пермский национальный исследовательский политехнический университет

Email: vgalkin@pstu.ru
ORCID iD: 0000-0003-4867-2298
SPIN-код: 5023-7883

О. А. Мелкишев

Пермский национальный исследовательский политехнический университет

Email: melkishev@pstu.ru
ORCID iD: 0000-0001-7056-3173
SPIN-код: 3202-1381

Я. В. Савицкий

Пермский национальный исследовательский политехнический университет

Email: yansavitsky@yandex.ru
ORCID iD: 0000-0003-2405-4508
SPIN-код: 8853-9024

Список литературы

  1. Методические рекомендации по подсчету геологических запасов нефти и газа объемным методом. Под ред. В. И. Петерсилье, В. И. Пороскуна, Г. Г. Яценко. М.: Недра; 2003. С. 5.3–5.10.
  2. Хасанов Д. И., Лоншаков М. А. Исследование масштабного эффекта и понятия элементарного представительного объёма горных пород применительно к пористости. Георесурсы. 2020;22(4):55–69. https://doi.org/10.18599/grs.2020.4.55-69
  3. Ketcham R. A., Carlson W. D. Acquisition, optimization and interpretation of X-ray computed tomographic imagery: applications to the geosciences. Computers & Geosciences. 2001;27(4):381–400. https://doi.org/10.1016/S0098-3004(00)00116-3
  4. Vinegar H. J. X-ray CT and NMR imaging of rocks. Journal of Petroleum Technology. 1986;38(03):257–259. https://doi.org/10.2118/15277-PA
  5. Renter J. A. M. Applications of computerized tomography in sedimentology. Marine Geotechnology. 1989;8(3):201–211. https://doi.org/10.1080/10641198909379868
  6. Wolanski K., Zarudzki W., Kiersnowski H., et al. X-ray computed tomography (CT) applied for rock core analysis. Bulletin of the Russian Academy of Natural Sciences. 2017;17(5):43–50.
  7. Хозяинов М. С., Вайнберг Э. И. Вычислительная микротомография – новая информационная технология неразрушающего исследования внутренней микроструктуры образцов геологических пород. Геоинформатика. 1992;(1):42–50.
  8. Воробьев К. А., Воробьев А. Е., Тчаро Х. Цифровизация нефтяной промышленности: технология «цифровой» керн. Вестник Евразийской науки. 2018;10(3). URL: https://esj.today/PDF/78NZVN318.pdf
  9. Костин Д. К., Кузнецов Е. Г., Вилесов А. П. Опыт ООО "ТННЦ" по изучению керна с помощью рентгеновского компьютерного томографа. Научно-технический вестник ОАО "НК Роснефть". 2014;(3):18–21.
  10. Еременко Н. М., Муравьева Ю. А. Применение методов рентгеновской микротомографии для определения пористости в керне скважин. Нефтегазовая геология. Теория и практика. 2012;7(3):5.
  11. Штырляева А. А., Журавлев А. В., Герасимова А.И. Перспективы и проблемы использования компьютерной микротомографии для изучения образцов керна. Нефтегазовая геология. Теория и практика. 2016;11(1):12. https://doi.org/10.17353/2070-5379/8_2016
  12. Добрынин В. М., Вендельштейн Б. Ю., Кожевников Д. А. Петрофизика (Физика горных пород). М.: РГУ нефти и газа им И. М. Губкина; 2004. 367 с.
  13. Методические рекомендации по исследованию пород-коллекторов нефти и газа физическими и петрографическими методами. Сост. Горян В. И., Березин Б. М., Белов Ю. Я. и др. Труды ВНИГНИ. М.: Недра; 1978. С. 87–111.
  14. Dunham R. J. Classification of carbonate rocks according to depositional texture. In: Ham V. E. (Ed.). Classification of carbonate rocks: Symposium. American Association of Petroleum Geologists Memoir. 1962;1:108–121.
  15. Ромм Е. С. Структурные модели порового пространства горных пород. Л.: Недра; 1985. С. 8.
  16. Бетелин В. Б., Смирнов Н. Н., Стамов Л. И., Скрылева Е. И. Восстановление структуры порового пространства на основании обработки данных томографии. Вестник кибернетики. 2018;(2):86–91.
  17. Jones S. C. A Rapid accurate unsteady-state klinkenberg permeameter. Society of Petroleum Engineers Journal. 1972; 12(5):383-397. https://doi.org/10.2118/3535-pa
  18. Hounsfield G. N. Computerized transverse axial scanning (tomography). Part 1: Description of system. British Journal of Radiology. 1973;46:1016–1022.
  19. Radon J. Uber die Bestimmung von Funktionen durch ihre Integralwerte langs gewisser Mannigfaltigkeiten. Berichte Sachsische Akademie der Wissenschaften, Leipzig. Journal of Mathematical Physics. 1917;69:262–267
  20. Feldkamp L. A., Davis L. C., Kress J. W. Practical cone-beam algorithm. Journal of the Optical Society of America A. 1984;1(6):612–619.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».